– Luke Jones in Unsplash
半年前，我开始做一档播客。
这件事的起点并不是我突然想成为播客主播，也不是想测试某个 AI 工具能做到什么程度。它来自一个很日常的观察：家里的小孩在听音频节目时，能选择的内容大多是偏低幼的故事，或者一些已经很久没有更新的经典内容。
那些内容当然很好。但问题是，它们很少连接到正在发生的世界。
最新的科技新闻离孩子很近，又离孩子很远。近的是，他每天都会看到新的机器人、无人机、火箭、AI、环保材料、电动车、太空探索；远的是，一篇新闻里常常充满术语、公司名、技术背景和成人视角。直接读给他听，他听不懂。每天由我来解释，又不现实。
于是我产生了一个想法：能不能用 AI 把最新科技新闻拆解成孩子能听懂的短播客？每期不用太长，最好早饭时间就能听完。
这就是整个项目的开始。
第一版：手工加 AI
在这之前，我从来没有制作过播客。第一期节目做得很朴素：我先找一篇科技新闻，然后用自己写好的提示词提取新闻主要内容，再根据这些内容生成播客文稿，最后把文稿交给音频生成工具，生成一段音频。
这个流程看起来简单，但真正做起来并不轻松。早期做一期节目，可能要花两个小时。
最耗时间的环节有两个：选题和音频剪辑。
选题要一篇一篇看新闻。哪些适合孩子听？哪些只是公司宣传？哪些技术真的有趣？哪些进展背后有“科技向善”的价值？这些判断很难完全交给 AI。
音频剪辑则是另一个问题。文本可以很快生成，但音频一旦出现语气不对、读错、变音、节奏不好，就需要人工修正。到现在为止，这仍然是整个流程里最难轻松下来的部分。
第一次觉得它真的有用
我第一次觉得这件事真的有价值，是因为孩子的一次反馈。
有一天他回家告诉我，白天上课时老师讲到一个东西，他之前在我的播客里听到过，所以还能借这个内容和同学分享。
这件事让我非常开心。
因为它说明，这个播客并不是听完就消失的背景音。它真的进入了孩子的知识连接里，让他能把课堂、新闻和自己的表达联系起来。
这也是我后来一直做下去的重要原因。AI 降低了内容生产的门槛，但真正让我持续投入的，是这个很具体的正反馈。
从提示词，到 Skill
最早的流程里，我还在手动复制新闻、手动调用提示词、手动整理稿件。做了一段时间后，我开始把这些动作拆开。
有些步骤适合写成 Python 脚本，有些步骤适合沉淀成 Agent Skill，有些内容标准则适合写进 Prompt。
到最新的流程里，前面的文本工作基本已经被转化成了 Agent Skill。我只需要给它一个新闻链接和集数 ID，它就可以帮我生成新闻稿。
这件事给我的体会很深：AI 工具真正改变工作的方式，不只是“帮我写一段文字”，而是让我有机会把一套原本手动完成的流程，拆解、固化、复用。
半年前，AI 对我来说更像一个聊天工具、总结工具。现在，它更像一组可以被编排的能力：模型负责理解和生成，脚本负责确定性处理，Skill 负责封装流程，Prompt 负责表达标准。
当这些东西组合起来，AI 才从一个单点工具，变成一个持续生产系统。
我没有把选题交给 AI
这半年里，我尝试过让 AI 帮我选题，但效果并不好。它推荐的题目常常不符合我的标准。
所以直到现在，选题依然是我自己做。
我的偏好很明确：尽量少商业内容，不围绕公司名称展开，尽量选择科技向善的方向，比如环保材料、太空、低空、能源、医疗、基础科学等。我更关心那些对全人类有帮助的科技进展，而不是某家公司又发布了什么新产品。
这也是我对 AI 工具使用的一个重要体会：不是所有环节都应该自动化。
AI 很适合总结、改写、解释概念、生成口播稿，也越来越擅长代码生成。但在价值判断上，尤其是涉及“为什么值得讲”“讲给谁听”“哪些内容不该被放大”时，人仍然要站在前面。
换句话说，AI 可以放大人的判断，但不应该替代人的判断。我们产生的内容，尤其是面向孩子的内容，更需要有人的价值观和审美在里面。
信任是在失败里长出来的
这半年，我对 AI 的信任感发生了变化。
最开始是新鲜感。看到它能快速总结新闻、生成稿件，会觉得很神奇。但做得越多，越会发现真正的问题不在于它能不能生成，而在于它能不能稳定地生成。
我尝试过浏览器自动化页面操作来生成内容，但成功率不够稳定，大概十次里六次成功，四次效果不好。我也尝试过换不同模型来生成稿件，有些时候效果不理想，甚至会出现和原文不相符的内容。
音频生成也是类似。有时质量会突然滑坡，出现变音，需要重新处理。
所以在这个过程中，我一直没有完全退出。我更像是审查员、编辑和标准制定者。随着模型越来越强，审查工作量确实在下降，AI 返回内容也越来越准确，几乎很少出现明显捏造。但我仍然需要对内容的最终结果进行把控，确保它适合孩子听，内容准确，并符合节目的整体风格。
AI 工作流不是搭好一次就结束。它是在一次次失败、修正和沉淀中变可靠的。
真正的变化：我更会使用 AI 了
如果说这半年我自己最大的能力变化是什么，我觉得不是单纯“更会写 Prompt”，而是更会使用 AI 产品了。
这种使用能力包括几个部分：知道一个工具适合做什么，知道任务怎么拆，知道哪些地方要写脚本保证确定性，知道哪些地方要用模型处理模糊信息，也知道哪些地方必须由人来判断。
代码生成能力的进步对我帮助很大。因为播客脚本生成过程中，有一部分依赖代码来保证内容准确性。AI 在代码方面变强以后，我更容易把想法变成工具，把工具变成工作流。
这可能也是我对 AI 工具最深的体会：它奖励那些愿意把工作拆开的人。
如果你只是把一整件复杂的事扔给 AI，它很容易不稳定。但如果你能把流程拆成若干环节，让每个环节都有明确输入、输出和标准，AI 就会变得非常有用。
一个意外的结果
最初，我以为这只是一个很小范围的项目，可能只是给家里小孩听。
但半年下来，播客订阅量已经到了 4000+，播放量超过 3.2 万。这个结果超出了我的预期。更重要的是，时不时会有人留言，孩子也会在播客里留言提问。
对我和孩子来说，这档播客最大的影响，是我们有了越来越多可以共同讨论的话题。他会把播客里听到的东西和平时观察到的现象进行比较，然后提出问题。到目前为止，他还一直保持着早晨收听的习惯。
这比播放量更重要。
它说明 AI 参与生成的内容，也可以是非常具体、非常有人味的。它不是为了替代亲子交流，而是创造了更多可以交流的入口。
给想用 AI 做内容的人
如果有一个人问我，想用 AI 做内容应该从哪里开始，我现在最想说的是：先想清楚为什么要有这个内容。
不要从工具开始，也不要从“能不能自动化”开始。先问：这个内容是给谁的？解决什么问题？谁会因为它变得更好一点？你能不能得到真实反馈？
对我来说，正反馈一开始来自孩子，后来来自订阅、播放和留言。这些反馈让我知道，这不是一个纯粹的 AI 实验，而是一个值得持续迭代的内容项目。
AI 可以帮你降低成本、提高速度、补足技能短板。但它不能替你决定内容为什么存在。
过去半年，AI 帮我改变最大的地方，不是省下了多少时间，而是让我有能力为一个具体的人持续创造内容，并把这个过程逐渐沉淀成一个可复用的系统。
这可能就是我目前对 AI 工具最真实的体会：它不是魔法，也不是外包大脑。它更像一种新的工作材料。你越清楚自己要做什么，它就越能帮你把那件事做出来。